Den generativa AI-revolutionen inom spel

För att förstå hur radikalt spelandet är på väg att förvandlas av Generative AI, behöver du inte leta längre än det här senaste Twitter inlägget by @emmanuel_2m. I det här inlägget utforskar han att använda Stable Diffusion + Dreambooth, populära 2D Generative AI-modeller, för att generera bilder av potions för ett hypotetiskt spel.

Det som är transformativt med det här arbetet är inte bara att det sparar tid och pengar samtidigt som det levererar kvalitet – och därmed krossar den klassiska triangeln "du kan bara ha två av kostnad, kvalitet eller hastighet". Konstnärer skapar nu bilder av hög kvalitet på några timmar som annars skulle ta veckor att skapa för hand. Det som verkligen är transformerande är att:

• Denna kreativa kraft är nu tillgänglig för alla som kan lära sig några enkla verktyg.
• Dessa verktyg kan skapa ett oändligt antal variationer på ett mycket iterativt sätt.
• När den väl har tränats är processen i realtid – resultaten är tillgängliga nästan omedelbart.

Det har inte funnits en så revolutionerande teknik för spel sedan 3D i realtid. Spendera när som helst med att prata med spelskapare, och känslan av spänning och förundran är påtaglig. Så vart är denna teknik på väg? Och hur kommer det att förändra spelandet? Men låt oss först se över vad som är Generativ AI?

INNEHÅLLSFÖRTECKNING

Vad är Generativ AI

Generativ AI är en kategori av maskininlärning där datorer kan generera original nytt innehåll som svar på uppmaningar från användaren. Idag är text och bilder de mest mogna tillämpningarna av denna teknik, men det pågår arbete inom praktiskt taget alla kreativa domäner, från animation, till ljudeffekter, till musik, till att till och med skapa virtuella karaktärer med fullständiga personligheter.

AI är naturligtvis inget nytt i spel. Även tidiga spel, som Ataris Pong, hade datorkontrollerade motståndare för att utmana spelaren. Dessa virtuella fiender körde dock inte AI som vi känner det idag. De var helt enkelt skriptade procedurer skapade av speldesigners. De simulerade en artificiellt intelligent motståndare, men de kunde inte lära sig, och de var bara lika bra som programmerarna som byggde dem.

Vad som är annorlunda nu är mängden datorkraft som är tillgänglig tack vare snabbare mikroprocessorer och molnet. Med denna kraft är det möjligt att bygga stora neurala nätverk som kan identifiera mönster och representationer i mycket komplexa domäner.

Det här blogginlägget har två delar:

• Del I består av våra observationer och förutsägelser för området Generativ AI för spel.
• Del II är vår marknadskarta över utrymmet, som beskriver de olika segmenten och identifierar nyckelföretag i varje.

INNEHÅLLSFÖRTECKNING

antaganden

Låt oss först utforska några antaganden som ligger till grund för resten av det här blogginlägget:

1. Mängden forskning som görs i allmänhet AI kommer att fortsätta att växa och skapa allt effektivare tekniker

Betrakta denna graf över antalet akademiska artiklar publicerade om maskininlärning eller artificiell intelligens i arXiv arkiv varje månad:

Som du kan se växer antalet tidningar exponentiellt, utan några tecken på att sakta ner. Och detta inkluderar bara publicerade artiklar – mycket av forskningen publiceras aldrig ens, utan går direkt till modeller med öppen källkod eller produkt-FoU. Resultatet är en explosion i intresse och innovation.

2. Av all underhållning kommer spel att påverkas mest av Generativ AI

Spel är den mest komplexa formen av underhållning, i termer av det stora antalet tillgångstyper som är involverade (2D-konst, 3D-konst, ljudeffekter, musik, dialog, etc). Spel är också de mest interaktiva, med stor tonvikt på realtidsupplevelser. Detta skapar en brant barriär för inträde för nya spelutvecklare, såväl som en brant kostnad för att producera ett modernt spel med topplistor. Det skapar också en enorm möjlighet för generativ AI-störning.

Överväg ett spel som Red Dead Redemption 2, ett av de dyraste spelen som någonsin producerats, som kostar nästan 500 miljoner dollar att göra. Det är lätt att förstå varför – den har en av de vackraste, fullt realiserade virtuella världarna av alla spel på marknaden. Det tog också nästan 8 år att bygga, innehåller mer än 1,000 30 icke-spelbara karaktärer (var och en med sin egen personlighet, konstverk och röstskådespelare), en värld som är nästan 100 kvadratkilometer stor, mer än 6 uppdrag fördelade på 60 kapitel, och nästan 100 timmars musik skapad av över XNUMX musiker. Allt med det här spelet är stort.

Jämför nu Red Dead Redemption 2 med Microsoft Flight Simulator, vilket inte bara är stort, det är enormt. Microsoft Flight Simulator gör det möjligt för spelare att flyga runt hela planeten jorden, alla 197 miljoner kvadratkilometer av den. Hur byggde Microsoft ett så massivt spel? Genom att låta en AI göra det. Microsoft samarbetade med blackshark.ai, och tränade en AI till generera en fotorealistisk 3D-värld från 2D-satellitbilder.

Detta är ett exempel på ett spel som bokstavligen hade varit omöjligt att bygga utan användning av AI, och dessutom drar nytta av det faktum att dessa modeller kontinuerligt kan förbättras över tid. Till exempel kan de förbättra "motorvägsöverfarten"-modellen, köra om hela byggprocessen, och plötsligt förbättras alla motorvägsöverfarter på hela planeten.

3. Det kommer att finnas en generativ AI-modell för varje tillgång som är involverad i spelproduktion

Hittills har 2D-bildgeneratorer som Stable Diffusion eller MidJourney fångat majoriteten av den populära spänningen över Generativ AI på grund av den iögonfallande karaktären hos bilderna de kan generera. Men redan finns det Generativa AI-modeller för praktiskt taget alla tillgångar som är involverade i spel, från 3D-modeller, till karaktärsanimationer, till dialog och musik. Den andra hälften av det här blogginlägget innehåller en marknadskarta som lyfter fram några av företagen som fokuserar på varje typ av innehåll.

4. Priset på innehåll kommer att sjunka dramatiskt och i vissa fall gå till noll.

När man pratar med spelutvecklare som experimenterar med att integrera Generativ AI i sin produktionspipeline, är den största spänningen över den dramatiska minskningen av tid och kostnader. En utvecklare har berättat för oss att deras tid att skapa konceptkonst för en enda bild, från början till slut, har sjunkit från 3 veckor till en enda timme: en minskning med 120 till 1. Vi tror att liknande besparingar kommer att vara möjliga över hela produktionspipelinen.

För att vara tydlig så riskerar inte artister att bytas ut. Det betyder att konstnärer inte längre behöver göra allt arbete själva: de kan nu sätta den första kreativa riktningen och sedan lämna över mycket av det tidskrävande och tekniska utförandet till en AI. I det här är de som cel-målare från de tidiga dagarna av handritad animation där mycket skickliga "bläckare" ritade konturerna av animation, och sedan arméer av billigare "målare" skulle göra det tidskrävande arbetet med att måla animationsceller, fylla i raderna. Det är "auto-complete" för att skapa spel.

5. Vi är fortfarande i den här revolutionens linda och många metoder behöver fortfarande förfinas

Trots all spänning den senaste tiden är vi fortfarande precis vid startlinjen. Det finns ett enormt arbete framför oss när vi tar reda på hur vi ska utnyttja den här nya tekniken för spel, och enorma möjligheter kommer att skapas för företag som snabbt tar sig in i detta nya utrymme.

INNEHÅLLSFÖRTECKNING

Förutsägelser

Givet dessa antaganden, här är några förutsägelser för hur spelindustrin kan förändras:

1. Att lära sig att använda Generativ AI effektivt kommer att bli en säljbar färdighet

Redan nu ser vi att vissa experimenterande använder Generativ AI mer effektivt än andra. För att utnyttja den här nya tekniken på bästa sätt krävs att man använder en mängd olika verktyg och tekniker och vet hur man studsar mellan dem. Vi förutspår att detta kommer att bli en säljbar färdighet, som kombinerar en konstnärs kreativa vision med en programmerares tekniska färdigheter.

Chris Anderson är känd för att ha sagt: "Varje överflöd skapar en ny brist." När innehållet blir rikligt tror vi att det är artisterna som vet hur man arbetar mest samarbetsvilligt och effektivt med AI-verktygen som kommer att vara den största bristen.

Till exempel, att använda Generativ AI för produktion av konstverk innebär särskilda utmaningar, inklusive:

• Sammanhang. Med alla produktionstillgångar måste du kunna göra ändringar eller redigeringar av tillgången på vägen. Med ett AI-verktyg betyder det att du måste kunna reproducera tillgången med samma prompt, så att du sedan kan göra ändringar. Detta kan vara knepigt eftersom samma prompt kan generera väldigt olika resultat.
• Stil. Det är viktigt för all konst i ett visst spel att ha en konsekvent stil – vilket innebär att dina verktyg måste tränas på eller på annat sätt knytas till din givna stil.

2. Att sänka barriärerna kommer att resultera i mer risktagande och kreativ utforskning

Vi kan snart gå in i en ny "guldålder" av spelutveckling, där en lägre inträdesbarriär resulterar i en explosion av mer innovativa och kreativa spel. Inte bara för att lägre produktionskostnader leder till lägre risk, utan för att dessa verktyg låser upp möjligheten att skapa högkvalitativt innehåll för en bredare publik. Vilket leder till nästa förutsägelse...

3. En ökning av AI-assisterade "mikrospelsstudior"

Beväpnade med Generativa AI-verktyg och tjänster kommer vi att börja se mer livskraftiga kommersiella spel producerade av små "mikrostudior" med bara 1 eller 2 anställda. Idén med en liten indiespelsstudio är inte ny – ett hitspel Bland oss skapades av studio Innersloth med bara 5 anställda – men storleken och omfattningen av spelen som dessa små studior kan skapa kommer att växa. Detta kommer att resultera i…

4. En ökning av antalet spel som släpps varje år

Framgångarna med Unity och Roblox har visat att att tillhandahålla kraftfulla kreativa verktyg resulterar i att fler spel byggs. Generativ AI kommer att sänka ribban ytterligare och skapa ett ännu större antal spel. Branschen lider redan av upptäcktsutmaningar – mer än 10,000 XNUMX spel lades till på Steam bara förra året – och detta kommer att sätta ännu mer press på upptäckten. Men vi kommer också att se...

5. Nya speltyper skapade som inte var möjliga innan Generativ AI

Vi kommer att se nya spelgenrer uppfinnas som helt enkelt inte var möjliga utan Generative AI. Vi har redan pratat om Microsofts flygsimulator, men det kommer att finnas helt nya genrer som är beroende av realtidsgenerering av nytt innehåll.

Tänk Arrowmancer, av trollborste. Detta är ett RPG-spel som har AI-skapade karaktärer för praktiskt taget obegränsat nytt spel.

Vi känner också till en annan spelutvecklare som använder AI för att låta spelare skapa sin egen avatar i spelet. Tidigare hade de en samling handritade avatarbilder som spelare kunde mixa och matcha för att skapa sin avatar – nu har de slängt ut detta helt och hållet och genererar helt enkelt avatarbilden från spelarens beskrivning. Att låta spelare generera innehåll genom en AI är säkrare än att låta spelare ladda upp sitt eget innehåll från grunden, eftersom AI:n kan tränas för att undvika att skapa stötande innehåll, samtidigt som det ger spelarna en större känsla av ägande.

6. Värdet kommer att tillfalla branschspecifika AI-verktyg, och inte bara grundläggande modeller

Spänningen och surret kring grundläggande modeller som Stable Diffusion och Midjourney genererar iögonfallande värderingar, men den fortsatta floden av ny forskning säkerställer att nya modeller kommer och går när nya tekniker förfinas. Överväg webbplatssöktrafik till tre populära generativa AI-modeller: Dall-E, Midjourney och Stable Diffusion. Varje ny modell har sin tur i rampljuset.

Ett alternativt tillvägagångssätt kan vara att bygga industrianpassade verktygssviter som fokuserar på de Generativa AI-behoven i en given bransch, med djup förståelse för en viss publik och rik integration i befintliga produktionspipelines (som Unity eller Unreal för spel).

Ett bra exempel är Runway som inriktar sig på behoven hos videoskapare med AI-stödda verktyg som videoredigering, borttagning av grön skärm, inmålning och rörelsespårning. Verktyg som detta kan bygga upp och tjäna pengar på en viss målgrupp och lägga till nya modeller över tiden. Vi har ännu inte sett en svit som Runway för spel dyka upp ännu, men vi vet att det är ett område för aktiv utveckling.

7. Rättsliga utmaningar kommer

Vad alla dessa generativa AI-modeller har gemensamt är att de tränas med hjälp av massiva datamängder av innehåll, ofta skapade genom att skrapa själva internet. Stabil diffusion, till exempel, tränas på mer än 5 miljarder bild/textningspar, skrapade från webben.

För närvarande hävdar dessa modeller att de fungerar under upphovsrättsdoktrinen "fair use", men detta argument har ännu inte definitivt testats i domstol. Det verkar tydligt juridiska utmaningar kommer vilket sannolikt kommer att förändra landskapet för Generativ AI.

Det är möjligt att stora studior kommer att söka konkurrensfördelar genom att bygga egna modeller byggda på internt innehåll som de har tydlig rätt och titel till. Microsoft är till exempel särskilt bra positionerat här med 23 första feststudior idag, och ytterligare 7 efter dess förvärv av Activision avslutas.

8. Programmering kommer inte att störas lika djupt som konstnärligt innehåll – åtminstone inte ännu

Programvaruutveckling är den andra stora kostnaden för spelutveckling, men som våra kollegor på a16z Enterprise-teamet har delat i sitt senaste blogginlägg, Art Isn't Dead, It's Just Machine-Generated, att generera kod med en AI-modell kräver mer testning och verifiering, och har därmed en mindre produktivitetsförbättring än att generera kreativa tillgångar. Kodningsverktyg som Copilot kan ge måttliga prestandaförbättringar för ingenjörer, men kommer inte att ha samma effekt... åtminstone när som helst snart.

INNEHÅLLSFÖRTECKNING

Rekommendationer

Baserat på dessa förutsägelser erbjuder vi följande rekommendationer:

1. Börja utforska Generativ AI nu

Det kommer att ta ett tag att ta reda på hur man fullt ut kan utnyttja kraften i denna kommande Generativa AI-revolution. Företag som börjar nu kommer att ha en fördel senare. Vi känner flera studior som har interna experimentella projekt på gång för att utforska hur dessa tekniker kan påverka produktionen.

2. Leta efter möjligheter till marknadskarta

Vissa delar av vår marknadskarta är redan mycket trånga, som Animationer eller Speech & Dialog, men andra områden är vidöppna. Vi uppmuntrar entreprenörer som är intresserade av detta utrymme att fokusera sina ansträngningar på de områden som fortfarande är outforskade, till exempel "Runway for Games".

INNEHÅLLSFÖRTECKNING

Marknadens nuvarande tillstånd

Vi har skapat en marknadskarta för att fånga en lista över de företag vi har identifierat i var och en av dessa kategorier där vi ser Generativ AI som påverkar spel. Det här blogginlägget går igenom var och en av dessa kategorier, förklarar det lite mer detaljerat och lyfter fram de mest spännande företagen i varje kategori.

INNEHÅLLSFÖRTECKNING

2D-bilder

Att generera 2D-bilder från textmeddelanden är redan ett av de mest använda områdena inom generativ AI. Verktyg som midjourney, Stabil diffusionoch Dall-E 2 kan generera högkvalitativa 2D-bilder från text och har redan hittat sin väg in i spelproduktionen i flera stadier av spelets livscykel.

Konceptkonst

Generativa AI-verktyg är utmärkta på att "idéa" eller hjälpa icke-artister, som speldesigners, att utforska koncept och idéer mycket snabbt för att generera konceptkonstverk, en viktig del av produktionsprocessen. Till exempel använder en studio (som förblir anonym) flera av dessa verktyg tillsammans för att radikalt påskynda sin konceptkonstprocess, vilket tar en enda dag att skapa en bild som tidigare skulle ha tagit så lång tid som 3 veckor.

• Först använder deras speldesigners Midjourney för att utforska olika idéer och skapa bilder som de tycker är inspirerande.
• Dessa överlämnas till en professionell konceptkonstnär som sätter ihop dem och målar över resultatet för att skapa en enda sammanhängande bild – som sedan matas in i Stable Diffusion för att skapa ett gäng varianter.
• De diskuterar dessa varianter, väljer en, målar in några redigeringar manuellt – upprepar sedan processen tills de är nöjda med resultatet.
• I det skedet skickar du sedan tillbaka bilden till Stable Diffusion en sista gång för att "uppskala" den för att skapa det sista konstverket.

2D-produktion Art

Vissa studior experimenterar redan med att använda samma verktyg för att producera konstverk i spelet. Här är till exempel en fin handledning från Albert Bozesan om att använda Stable Diffusion för att skapa 2D-tillgångar i spelet.

INNEHÅLLSFÖRTECKNING

3D-konstverk

3D-tillgångar är byggstenen i alla moderna spel, såväl som den kommande metaversen. En virtuell värld, eller spelnivå, är i princip bara en samling 3D-tillgångar, placerade och modifierade för att befolka miljön. Att skapa en 3D-tillgång är dock mer komplicerat än att skapa en 2D-bild och involverar flera steg, inklusive att skapa en 3D-modell och lägga till texturer och effekter. För animerade karaktärer innebär det också att skapa ett internt "skelett" och sedan skapa animationer ovanpå det skelettet.

Vi ser flera olika startups gå efter varje steg i denna 3D-tillgångsskapandeprocess, inklusive modellskapande, karaktärsanimering och nivåbyggnad. Detta är dock inte ett löst problem ännu – ingen av lösningarna är redo att integreras helt i produktionen ännu.

3D-tillgångar

Nystartade företag som försöker lösa problemet med att skapa 3D-modeller inkluderar Kaedim, Mirageoch Hypotetisk. Större företag tittar också på problemet, inklusive Nvidias Skaffa 3D och Autodesks ClipForge. Kaedim och Get3d är fokuserade på bild-till-3D; ClipForge och Mirage är fokuserade på text-till-3D, medan Hypotetic är intresserade av både text-till-3D-sökning, såväl som bild-till-3D.

3D-texturer

En 3D-modell ser bara lika realistisk ut som texturen eller materialen som appliceras på nätet. Att bestämma vilken mossig, väderbiten stenstruktur som ska appliceras på en medeltida slottsmodell kan helt förändra utseendet och känslan av en scen. Texturer innehåller metadata om hur ljus reagerar på materialet (dvs strävhet, glans, etc). Att tillåta artister att enkelt skapa texturer baserat på text- eller bilduppmaningar kommer att vara enormt värdefullt för att öka iterationshastigheten i den kreativa processen. Flera lag utövar denna möjlighet, inklusive BariumAI, ponzuoch ArmorLab.

animering

Att skapa fantastiska animationer är en av de mest tidskrävande, dyra och skickliga delarna av spelskapandeprocessen. Ett sätt att minska kostnaderna och skapa mer realistisk animation är att använda motion capture, där du sätter en skådespelare eller dansare i en motion capture-dräkt och spelar in dem röra sig i ett speciellt instrumenterat motion capture-steg.

Vi ser nu Generativa AI-modeller som kan fånga animationer direkt från en video. Detta är mycket effektivare, både för att det tar bort behovet av en dyr rigg för motion capture, och för att det betyder att du kan fånga animationer från befintliga videor. En annan spännande aspekt av dessa modeller är att de också kan användas för att applicera filter på befintliga animationer, som att få dem att se berusade, gamla eller glada ut. Företag som går efter detta utrymme inkluderar Kinetix, Deep Motion, Radikal, Flytta Aioch Plask.

Nivådesign & världsbyggnad

En av de mest tidskrävande aspekterna av spelskapande är att bygga ut ett spelvärld, en uppgift som generativ AI borde vara väl lämpad för. Spel som Minecraft, No Man's Sky och Diablo är redan kända för att använda procedurtekniker för att generera sina nivåer, där nivåer skapas slumpmässigt, olika varje gång, men enligt regler som fastställts av nivådesignern. Ett stort försäljningsargument för den nya Unreal 5-spelmotorn är dess samling av procedurverktyg för design med öppen värld, till exempel placering av bladverk.

Vi har sett några initiativ i utrymmet, som Promethean, MLXAR, eller Meta's Byggare Bot, och tror att det bara är en tidsfråga innan generativa tekniker till stor del ersätter procedurtekniker. Det har pågått akademisk forskning i rymden ett tag, bl.a generativa tekniker för Minecraft or nivådesign i Doom.

En annan övertygande anledning att se fram emot generativa AI-verktyg för nivådesign skulle vara möjligheten att skapa nivåer och världar i olika stilar. Du kan tänka dig att fråga verktyg för att skapa en värld i 1920-talets flapper-era New York, vs dystopisk blade-runner-liknande framtid, kontra Tolkien-liknande fantasivärld.

Följande koncept genererades av Midjourney med hjälp av prompten, "en spelnivå i stil med..."

Audio

Ljud och musik är en stor del av spelupplevelsen. Vi börjar se företag som använder Generativ AI för att generera ljud för att komplettera det arbete som redan sker på grafiksidan.

Ljudeffekter

Ljudeffekter är ett attraktivt öppet område för AI. Det har varit akademiska tidningar utforskar idén om att använda AI för att generera "foley" i film (t.ex. fotsteg) men få kommersiella produkter inom spel ännu.

Vi tror att detta bara är en tidsfråga, eftersom spelens interaktiva karaktär gör detta till en självklar applikation för generativ AI, som både skapar statiska ljudeffekter som en del av produktionen ("laserpistolljud, i stil med Star Wars"), och skapa interaktiva ljudeffekter i realtid under körning.

Tänk på något så enkelt som att generera fotstegsljud för spelarens karaktär. De flesta spel löser detta genom att inkludera ett litet antal förinspelade fotstegsljud: gå på gräs, gå på grus, springa på gräs, springa på grus, etc. Dessa är tråkiga att generera och hantera, och låter repetitiva och orealistiska under körning.

Ett bättre tillvägagångssätt skulle vara en realtidsgenerativ AI-modell för foley-ljudeffekter, som kan generera lämpliga ljudeffekter, i farten, något annorlunda varje gång, som är känsliga för parametrar i spelet som markytan, karaktärens vikt, gång, skor osv.

Musik

Musik har alltid varit en utmaning för spel. Det är viktigt, eftersom det kan hjälpa till att sätta den känslomässiga tonen precis som det gör i film eller tv, men eftersom spel kan pågå i hundratals eller till och med tusentals timmar, kan det snabbt bli repetitivt eller irriterande. På grund av spelens interaktiva karaktär kan det också vara svårt för musiken att exakt matcha vad som händer på skärmen vid varje given tidpunkt.

Adaptiv musik har varit ett ämne i spelljud i mer än två decennier, och går hela vägen tillbaka till Microsofts "Direktmusik” system för att skapa interaktiv musik. DirectMusic blev aldrig brett anpassad, till stor del på grund av svårigheten att komponera i formatet. Bara ett fåtal spel, som Monoliths Ingen lever för evigt, skapade verkligt interaktiva poäng.

Nu ser vi ett antal företag som försöker skapa AI-genererad musik, som t.ex Ljudfullt, Musiker, harmoni, Oändligt albumoch Björk. Och medan vissa verktyg idag, som jukebox av Open AI, är mycket beräkningsintensiva och kan inte köras i realtid, de flesta kan köras i realtid när den första modellen är byggd.

Tal och dialog

Det finns ett stort antal företag som försöker skapa realistiska röster för karaktärer i spelet. Detta är inte förvånande med tanke på den långa historien av att försöka ge datorer en röst genom talsyntes. Företag inkluderar Sonantiskt, Coqui, Replica Studios, Liknar.ai, Readspeaker.ai, och många fler.

Det finns flera fördelar med att använda generativ AI för tal, vilket delvis förklarar varför det här utrymmet är så trångt.

• Skapa dialog i farten. Vanligtvis är tal i spel förinspelat från röstskådespelare, men dessa är begränsade till förinspelade konserverade tal. Med generativ AI-dialog kan karaktärer säga vad som helst – vilket betyder att de kan reagera fullt ut på vad spelarna gör. I kombination med mer intelligenta AI-modeller för NPC:er (utanför denna bloggs räckvidd, men ett lika spännande innovationsområde just nu), kommer snart löftet om spel som är helt reaktiva för spelare.
• Rollspel. Många spelare vill spela som fantasykaraktärer som inte liknar deras verkliga identitet. Denna fantasi går sönder så fort spelarna talar med sina egna röster. Att använda en genererad röst som matchar spelarens avatar upprätthåller den illusionen.
  Kontrollera. När talet genereras kan du styra nyansen av rösten som dess tambre, böjning, känslomässig resonans, fonemlängd, accenter och mer.
• Lokalisering. Tillåter att dialogrutan översätts till valfritt språk och talas med samma röst. Företag gillar Deepdub fokuserar specifikt på denna nisch.

INNEHÅLLSFÖRTECKNING

NPC:er eller spelarkaraktärer

Många startups tittar på att använda generativ AI för att skapa trovärdiga karaktärer som du kan interagera med, delvis för att detta är en marknad med så bred tillämpbarhet utanför spel, som virtuella assistenter eller receptionister.

Ansträngningar för att skapa trovärdiga karaktärer går tillbaka till början av AI-forskning. Faktum är att definitionen av det klassiska "Turing-testet" för artificiell intelligens är att en människa inte ska kunna skilja mellan en chattkonversation med en AI kontra en människa.

Vid det här laget finns det hundratals företag som bygger chatbots för allmänna ändamål, många av dem drivs av GPT-3-liknande språkmodeller. Ett mindre antal försöker specifikt bygga chatbotar i underhållningssyfte, som t.ex Replika och Anima som försöker bygga virtuella vänner. Konceptet med att dejta en virtuell flickvän, som utforskats i filmen Henne, kan vara närmare än du tror.

Vi ser nu nästa iteration av dessa chatbot-plattformar, som t.ex Charisma.ai, Convai.com, eller Inworld.ai, menat att driva fullt renderade 3D-karaktärer, med känslor och handlingskraft, med verktyg som gör det möjligt för skaparen att ge dessa karaktärer mål. Detta är viktigt om de ska passa in i ett spel eller ha en narrativ plats för att föra handlingen framåt, kontra att bara vara fönsterputsning.

INNEHÅLLSFÖRTECKNING

Allt-i-ett-plattformar

Ett av de mest framgångsrika generativa AI-verktygen i stort är Runwayml.com, eftersom den samlar en bred uppsättning verktyg för skapare i ett enda paket. För närvarande finns det ingen sådan plattform som serverar videospel, och vi tror att detta är en förbisedd möjlighet. Vi skulle älska att investera i en lösning som innehåller:

• Full uppsättning generativa AI-verktyg som täcker hela produktionsprocessen. (kod, tillgångsgenerering, texturer, ljud, beskrivningar, etc.)
• Tätt integrerad med populära spelmotorer som Unreal och Unity.
• Designad för att passa in i en typisk spelproduktionspipeline.

INNEHÅLLSFÖRTECKNING

Slutsats

Det här är en otrolig tid att vara en spelskapare! Delvis tack vare de verktyg som beskrivs i det här blogginlägget har det aldrig varit lättare att skapa det innehåll som behövs för att bygga ett spel – även om ditt spel är lika stort som hela planeten!

Det är till och med möjligt att en dag föreställa sig ett helt personligt spel, skapat just för spelaren, baserat på exakt vad spelaren vill ha. Det här har funnits i science fiction länge – som "AI Mind Game" i Ender's Game eller holodäcket i Star Trek. Men med verktygen som beskrivs i det här blogginlägget utvecklas så snabbt som de är, är det inte svårt att föreställa sig att denna verklighet är precis runt hörnet.

Om du är en grundare, eller potentiell grundare, intresserad av att bygga ett AI för spelföretag, vänligen kontakta! Vi vill höra från dig!